说个扎心的事。你花了整个下午才把 Agent 调教好，它帮你定位了一个隐藏很深的 bug，聊了七八轮终于把项目架构理清楚了。结果你关掉对话窗口，第二天再打开——它看你的眼神像在看一个陌生人。
做 Agent 工作流的人，应该都中过这个招。我之前最笨的办法就是：每次开新会话，都把之前的对话记录、项目背景、个人偏好一股脑塞进 System Prompt 里。塞到最后 token 费直线上升，上下文窗口快满了，模型回答质量反而开始下降。
后来我终于想明白——Agent 缺的从来不是更大的上下文窗口，而是一套能跨会话持久存在的记忆系统。上下文窗口再大，你关掉对话它也跟着蒸发了。
EverOS：把 Agent 记忆变成 Markdown 文件
周末我测了一个叫 EverOS 的开源项目。
说实话，一开始我根本不信。因为之前已经踩过太多"Agent 记忆方案"的坑了——要么让你 docker-compose 拉起一整套 MongoDB+Elasticsearch+Redis，要么搭个向量数据库集群，光环境配置就能劝退 80% 的人。
但这个东西实际跑下来，真的有点上头。它最核心的设计思路只有一句话：
你的 Agent 的全部记忆，就是一堆你可以直接打开、直接编辑的 Markdown 文件。
没有黑箱，没有你看不懂的向量。cat 一下就能看到 Agent 记住了什么，觉得哪条记错了？直接用编辑器删掉就行。这种可控感，和之前折腾向量库完全不一样。
实操流程：大概 30 分钟跑通
环境准备（5 分钟）
需要 Python 3.10+（推荐 3.12）和 uv 包管理器。默认用 OpenRouter 跑 LLM、DeepInfra 做向量化和重排。不过它兼容所有 OpenAI 协议的端点，你手上有 OpenAI key、自建 vLLM，或者本地跑 Ollama，都可以后面直接替换。
安装（5 分钟）
两种方式：想看源码就从 GitHub 装，只想当工具用就 pip 安装。装完跑初始化命令，它会生成 .env 文件，把 API key 填进去就行。.env 文件一定要第一时间加进 .gitignore，我见过不止一个人因为这个翻车。
启动服务（3 分钟）
一条命令起服务，新开终端做健康检查，返回 ok 就说明本地记忆服务跑起来了。默认端口是 8000，起来后自己确认一下。
最核心的部分：写入记忆 + 跨会话检索
这一步大概 8 分钟，但它是整个方案最值钱的地方。我把它叫"核心循环"：写入一条事实 → 自动落盘成 Markdown → 通过本地索引搜回来。
比如写入："用户 Alice 偏好 dark mode，习惯用 Vim 键位。"（记得带 user_id）写入后 EverOS 后台同时做了三件事：
- 把这句话抽取成结构化记忆
- 落盘成 Markdown 文件
- 同步进 SQLite + LanceDB 的本地索引
然后你关掉会话，假装第二天再开一个，用大白话问："Alice 喜欢什么样的界面？"它能搜回来。换个问法问"Alice 的编辑器习惯"，也一样命中。背后用的是混合检索（BM25 + 向量 ANN + 标量过滤），全部在 LanceDB 里统一处理。
重要提醒：1.0.0 版本的写入和检索接口，请以仓库根目录的 QUICKSTART.md 为准。网上很多旧教程还在用早期字段，照着抄会直接报错。
掀开黑箱：记忆到底长什么样？
跑到这一步我真的被惊到了。打开 ~/.everos 目录，cat 一下 users/alice/user.md，你会看到刚才写入的偏好，已经被结构化地整理进了 Alice 的用户画像文件里。
是人类可读的 Markdown。更爽的是，你可以直接用 Obsidian 打开整个 ~/.everos 目录，把 Agent 的记忆当成一座可视化知识库来浏览。
目录里分为两条线：
- users/：记用户画像和偏好
- agents/：记 Agent 执行过的案例和学会的技能
两条线分开存，互不污染。在多 Agent 协作场景下特别有用。
几个容易翻车的坑
版本对不上。网上搜"EverOS 教程"，很多还是早期重型版本，要 docker-compose 拉起一整套数据库。1.0.0 轻量版完全不需要这些，认准 everos init 和 everos server start 这套 CLI 就对了。
Office 文档解析。处理 .docx/.pptx/.xlsx 需要系统级 LibreOffice，没装的话会失败。但 PDF、图片、音频不受影响。
再往前走，能玩什么？
这半小时只跑通了基础核心循环，后面还有几个方向挺有意思：
- 多模态摄取：一次调用就能把 PDF、图片、网页 URL 吃进记忆体系
- 自我演化：反复成功的执行模式会自动沉淀成可复用的 Skill，在 Agent 之间共享
- 路线图上还有 Knowledge Wiki 和 Reflection（自动反思压缩历史）
仓库地址：github.com/EverMind-AI/EverOS
最后说句真实感受
折腾了这么多 Agent 记忆方案，这是第一个让我觉得"记忆"这个词被真正落地成了具体可操作的东西。
当你能用 cat 命令看到 Agent 记住了什么、用 vim 直接改掉它记错的内容、用 git 追踪记忆的变化历史——那种掌控感，跟之前完全不一样。